? ?本文是關于ubuntu14.04+CUDA7.5+cuDNN+caffe的超詳細完整配置過程的說明。
? ? 小菜是剛接觸深度學習領域的小白，在配置caffe的過程中遇到很多困難，一度糾結崩潰甚至想放棄，但是最終配置成功，看著Demo運行，還是非常有成就感和愉悅感的。也更加堅定了遇到問題時要堅持不懈，最終會解決的信念。在此寫下博客，記錄下安裝、學習過程。如果小伙伴們能再此找到解決問題之道，那更是對本人文章莫大的肯定。歡迎大家批評指正^.^
首先說一下電腦配置和用到的軟硬件的版本。
電腦型號:B5400
CPU：c4200M
ubuntu cuda安裝。顯卡：集成顯卡Inite+獨立顯卡Nvidia820M
操作系統：Ubuntu14.04（內核版本3.13！）
各個軟件版本：
gcc：4.8.2，
CUDA7.5，caffe，cuDNN，OpenCV，Python2.7，
? ? 正文之前先說一下個人感觸：本人在裝軟件之前，只知道有caffe這么個深度學習的框架，對Linx系統，配置文件，命令行啥的一竅不通（沒辦法，本科欠下太多的東西，都要還的......）。開始照搬網上的方法，一通亂搞，最后可想而知以失敗告終，于是慢慢熟悉每一個細節，耐心搞懂每一個語法，每個軟件的作用，參考了官方的文檔和官方說明。在這一過程中，有兩點的感觸最深：1.一定要注意版本問題（血淚教訓）；2.一定要多研究官方文檔，說明！
Ubuntu 21.10？a)檢查GPU是否是CUDA-capable
?? ?$ lspci | grep -i nvidia
?? ?官網查看是否在列表中，并注意camput ability
b)檢查自己的Linux版本書否支持CUDA(Ubuntu 14.04沒問題)
c)檢查自己的系統中是否裝了gcc
?? ?$ gcc --version
d)檢查是否安裝了kernel header和 package development
?? ?$ uname -r 可以查看自己的kernel版本信息
?? ?$ sudo apt-get install linux-headers-$(uname -r)可以安裝對應kernel版本的kernel header和package development
CUDA提供兩種安裝方式：package manager安裝和runfile安裝。我本來選的是 package manager 安裝，這種方法相對簡單，但嘗試了幾次都失敗。后來是轉換到runfile安裝才成功的。因此此處只介紹runfile安裝方式。
a) 禁用 nouveau
?? ?終端中運行：$ lsmod | grep nouveau，如果有輸出則代表nouveau正在加載。
?? ?Ubuntu的nouveau禁用方法：在/etc/modprobe.d中創建文件blacklist-nouveau.conf，在文件中輸入一下內容
?? ??? ?blacklist nouveau? #第一個配置文件
?? ??? ?options nouveau modeset=0 ?
?? ?打開終端，運行
?? ??? ?$ sudo update-initramfs -u
?? ?設置完畢可以再次運行 $ lsmod | grep nouveau 檢查是否禁用成功，如果運行后沒有任何輸出，則代表禁用成功。
b)安裝依賴項
1. sudo apt-get install freeglut3-dev
2. sudo apt-get install build-essential
3. sudo apt-get install libx11-dev
4. sudo apt-get install libxmu-dev
5. sudo apt-get install libxi-dev
6. sudo apt-get install libgl1-mesa-glx
7. sudo apt-get install libglu1-mesa
8. sudo apt-get install libglu1-mesa-dev
重啟電腦，到達登錄界面時，alt+ctrl+f1，進入text mode，登錄賬戶
c) 輸入 $ sudo service lightdm stop 關閉圖形化界面
d) 切換到cuda安裝文件的路徑，運行$ sudo sh cuda_7.5.18_linux.run
?? ?遇到提示是否安裝openGL ，選擇no（如果你的電腦跟我一樣是雙顯，且主顯是非NVIDIA的GPU需要選擇no，否則可以yes）。其他都選擇yes或者默認。安裝成功后，會顯示installed，否則會顯示failed。
e) 輸入 $ sudo service lightdm start 重新啟動圖形化界面
Alt + ctrl +F7，返回到圖形化登錄界面，輸入密碼登錄。
如果能夠成功登錄，則表示不會遇到循環登錄的問題，基本說明CUDA的安裝成功了。
f)重啟電腦。檢查Device Node Verification。
?? ?檢查路徑~/dev下 有無存在名為nvidia*（以nvidia開頭）的多個文件(device files).如果沒有的話，可以參考官方文檔里的指導步驟，進行添加。
g)設置環境變量。
?? ?終端中輸入 $ sudo gedit /etc/profile? 在打開的文件末尾，添加以下兩行。 #第二個配置文件
?? ??? ?$ export PATH=/usr/local/cuda-7.5/bin:$PATH
?? ??? ?$ export LD_LIBRARY_PATH=/usr/local/cuda7.5/lib64
保存文件。
a) 檢查 NVIDIA Driver是否安裝成功
終端輸入 ：$ cat /proc/driver/nvidia/version 會輸出NVIDIA Driver的版本號
b) 檢查 CUDA Toolkit是否安裝成功
終端輸入 ： $ nvcc --version 會輸出CUDA的版本信息
c) 嘗試編譯cuda提供的例子
切換到例子存放的路徑，默認路徑是 ~/NVIDIA_CUDA-7.5_Samples
（即 /home/xxx/ NVIDIA_CUDA-7.5_Samples， xxx是你自己的用戶名）
然后終端輸入：$ make
d) 運行編譯生成的二進制文件。
編譯后的二進制文件 默認存放在~/NVIDIA_CUDA-7.5_Samples/bin中。
切換路徑 ： cd ~/NVIDIA_CUDA-7.5_Samples/bin
終端輸入 ：$ deviceQuery
看到類似如下圖片中的顯示，則代表CUDA安裝且配置成功（congratulation！！）
# sudo git clone https://github.com/BVLC/caffe.git
# sudo apt-get install libatlas-base-dev
# sudo apt-get install libprotobuf-dev
# sudo apt-get install libleveldb-dev
# sudo apt-get install libsnappy-dev
# sudo apt-get install libopencv-dev
# sudo apt-get install libboost-all-dev
# sudo apt-get install libhdf5-serial-dev
# sudo apt-get install libgflags-dev
# sudo apt-get install libgoogle-glog-dev
# sudo apt-get install liblmdb-dev
# sudo apt-get install protobuf-compiler
# cd caffe
# sudo git clone https://github.com/jayrambhia/Install-OpenCV
# cd Install-OpenCV/Ubuntu
# sudo sh dependencies.sh
# cd 2.4
# sudo sh opencv2_4_10.sh
ubuntu14、# cd ~/caffe
# sudo cp Makefile.config.example Makefile.config
# make all
caffe運行時需要調用cuda的庫，我們在/etc/ld.so.conf.d目錄下新建一個cafe.conf文件，將所需要用的庫的目錄寫入.
# sudo vi /etc/ld.so.conf.d/caffe.conf
添加內容：
?? ?/usr/local/cuda/lib64 # 修改的配置文件
保存退出（：wq！)
更新配置
# sudo ldconfig
# cd ~/caffe
# sudo sh data/mnist/get_mnist.sh
# sudo sh examples/mnist/create_mnist.sh
# sudo sh examples/mnist/train_lenet.sh
a).下載
b).在終端執行（2.7版本）：
?? ?# bash Anaconda2-2.4.1-Linux-x86_64.sh
c).安裝路徑默認 /home/lx/anaconda2
d).環境變量默認 PATH in your /home/lx/.bashrc ? [yes|no]? #yes就好
安裝完成！
首先，將caffe根目錄下的python文件夾加入到環境變量
打開配置文件bashrc
?? ?# sudo vi ~/.bashrc?? #
在最后面加入
?? ?export PYTHONPATH=/home/xxx/caffe/python:$PYTHONPATH
注意 /home/xxx/caffe/python 是我的路徑，這個地方每個人都不同，需要修改
保存退出，更新配置文件
?? ?# sudo ldconfig
ubuntu20.4，?? ?# sudo make pycaffe
?? ?# sudo make test -j4
?? ?# sudo make runtest -j4
（也許你在編譯runtest的時候，會報這樣的錯誤：
.build_release/test/test_all.testbin: error while loading shared libraries: libhdf5.so.10: cannot open shared object file: No such file or directory
這是因為 libhdf5.so的版本問題，你可以進入/usr/lib/x86_64-linux-gnu看一下，你的libhdf5.so.x中的那個x是多少，比如我的是libhdf5.so.7
因此可以執行下面幾行代碼解決:
# cd /usr/lib/x86_64-linux-gnu
# sudo ln -s libhdf5.so.7 libhdf5.so.10
# sudo ln -s libhdf5_hl.so.7 libhdf5_hl.so.10
# sudo ldconfig
）
?? ?進入python環境，進行import操作
?? ?# python
?? ?>>> import caffe? #(遇到了問題)
?? ??? ??? ?$ sudo gedit /etc/profile # 末尾添加： export PYTHONPATH=/path/to/caffe/python:$PYTHONPATH
?? ??? ??? ?最后解決方法：sudo chmod 777 -R? anaconda2（文件夾） 改變權限 然后conda install protobuf
? 如果沒有提示錯誤，則編譯成功。
? 如果安裝了anaconda, jupyter notebook就已經自動裝好，不需要再安裝
? 運行notebook
?? ?# jupyter notebook
?? ?就會在瀏覽器中打開notebook,? 點擊右上角的New-python2, 就可以新建一個網頁一樣的文件，擴展名為ipynb。
?? ?在這個網頁上，我們就可以像在命令行下面一樣運行python代碼了。
?? ?輸入代碼后，按 '''shift+enter運行'''，更多的快捷鍵，可點擊上方的help-Keyboard shortcuts查看，或者先按esc退出編輯狀態，再按h鍵查看。
?? ?# sudo apt-get install GraphViz
?? ??? ?注意，這里用的是apt-get來安裝，而不是pip.
?? ?# sudo pip install pydot
?? ??? ?用的是pip來安裝，而不是apt-get
ubuntu20.04安裝cuda，如果前面的沒有題，環境變量沒有配置錯誤，這一步問題不大。
修改環境變量的時候要慎重小心，知道具體含義。或者做下記錄。
#########
解決辦法：
?? ?1.要把opencv編譯出來的cv2.so (/build/lib下)拷貝到anaconda2的lib目錄下
?? ?2.export PYTHONPATH=/home/lx/caffe/python:/home/lx/anaconda2/lib:$PYTHONPATH
版权声明：本站所有资料均为网友推荐收集整理而来,仅供学习和研究交流使用。
工作时间：8:00-18:00
客服电话
电子邮件
admin@qq.com
扫码二维码
获取最新动态
